Detecting Intruders by User File Access Patterns
Detecting Intruders by User File Access Patterns
复制标题
通过用户文件访问模式检测入侵者
DOI：
10.1007/978-3-030-36938-5_19
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Shou-Hsuan S. Huang, Zechun Cao
中科院分区：
文献类型：
--
作者：
Shou-Hsuan S. Huang, Zechun Cao
我们的社会正面临着日益严重的数据泄露威胁，即计算机服务器上的机密信息被盗。为了窃取数据，黑客必须首先进入目标系统。商业上现成的入侵检测系统无法有效防御入侵者。本研究使用网络行为分析来研究和报告异常与正常行为的比较。在本文中，我们提出了基于机器学习算法的方法，根据用户文件目录中的文件访问模式来检测入侵者。我们提出了一套文件系统中用户文件访问模式的行为特征。我们通过在现有文件系统数据集上使用四种分类算法进行实验来验证特征的有效性。为了限制误报，我们通过在误报率的较低范围内优化性能来训练和测试分类器。实验结果表明，我们的方法能够以0.94 F1分数和小于3%的假阳性率检测入侵者。
Our society is facing a growing threat from data breaches where confidential information is stolen from computer servers. In order to steal data, hackers must first gain entry into the targeted systems. Commercial off-the-shelf intrusion detection systems are unable to defend against the intruders effectively. This research uses cyber behavior analytics to study and report how anomalies compare to normal behavior. In this paper, we present methods based on machine learning algorithms to detect intruders based on the file access patterns within a user file directory. We proposed a set of behavioral features of the user’s file access patterns in a file system. We validate the effectiveness of the features by conducting experiments on an existing file system dataset with four classification algorithms. To limit the false alarms, we trained and tested the classifiers by optimizing the performance within the lower range of the false positive rate. The results from our experiments show that our approach was able to detect intruders with a 0.94 F1 score and false positive rate of less than 3%.
登录
查看更多内容
构建基于用户文件系统导航的伪装检测方法
DOI：
10.1007/978-3-642-25324-9_15
发表时间：
2011
期刊：
International Journal of Computer Applications
影响因子：
--
作者：
Benito Camiña;R. Monroy;L. Trejo;Erika Sánchez
通讯作者：
Erika Sánchez
影响因子：
19.7
作者：
Jiang, YL;Metz, CE;Nishikawa, RM
通讯作者：
Nishikawa, RM
路易斯维尔龙卷风。
影响因子：
56.9
作者：
H. A. Hazen
通讯作者：
H. A. Hazen
使用诱饵文档诱骗内部攻击者
DOI：
--
发表时间：
2009
期刊：
Security and Privacy in Communication Networks
影响因子：
--
作者：
Brian M. Bowen;Shlomo Hershkop;A. Keromytis;S. Stolfo
通讯作者：
S. Stolfo
DOI：
10.1007/978-3-319-11379-1_22
发表时间：
2014
期刊：
International Journal of Computer Applications
影响因子：
--
作者：
J. Camiña;Jorge Rodríguez;R. Monroy
通讯作者：
R. Monroy